Kamera für Kennzeichenerkennung auswählen und testen

So wählen Sie eine LPR-/ANPR-Kamera aus: Winkel, Objektiv, IR-Licht, Verschlusszeit, WDR und praxisnaher Abnahmetest.

Die teuerste Kamera in einem Kennzeichenerkennungsprojekt liefert nicht automatisch das beste Ergebnis. Entscheidend sind die Größe des Kennzeichens im Bild, der Winkel zwischen Kamera und Fahrzeug, die Geschwindigkeit, die Nachtbeleuchtung und die Qualität des Streams zur Software. Daher reicht die Frage „Wie viele Megapixel brauche ich?“ nicht aus. Die passende Frage lautet: „Erfasst diese Kamera auf meiner Fahrspur und unter meinen Bedingungen lesbare Kennzeichen?“

Dieser technische Leitfaden zeigt Park-, Wohnanlagen-, Fabrik- und Campus-Teams eine wiederholbare Methode zur Auswahl einer LPR-Kamera und für einen Abnahmetest. Er konzentriert sich auf messbare Bildbedingungen statt auf Markenempfehlungen oder absolute Megapixel-Aussagen. Damit lässt sich eine vorhandene Kamera ebenso prüfen wie eine neue Investition.

Zuerst den Einsatzfall einordnen

Kennzeichenerkennung hat keine universelle Kameraeinstellung. An einer Schranke verlangsamt ein Fahrzeug; auf einer Durchfahrtsstrecke kann es weiter entfernt und ohne Halt passieren. Objektiv, Belichtung, Erfassungsdistanz und Auslösung unterscheiden sich entsprechend.

• Zufahrtskontrolle mit Schranke: Fahrzeuge nähern sich mit kontrollierter Geschwindigkeit. Ziel ist eine zuverlässige, schnelle Entscheidung gegen eine Berechtigungsliste und ein Automatisierungsimpuls.
• Langsamer Durchfluss: Fahrzeuge halten eventuell nicht an, die Fahrtrichtung ist aber vorhersehbar. Erfassungsdistanz und Bewegungsunschärfe werden wichtiger.
• Schneller Straßenverkehr: Kann spezielle ANPR-Hardware, passende Optik, starke Beleuchtung und eine andere Architektur verlangen. Erwarten Sie diese Leistung nicht automatisch von einer Einfahrtskamera.

PlakaNet kann RTSP/HTTP-Streams von IP-Kameras und USB-Kamerabilder für Zugangsszenarien wie Wohnanlagen und Parkplätze verarbeiten. Für Hochgeschwindigkeitserfassung prüfen Sie zuerst die technischen Grenzen des Kameraherstellers für Entfernung und Geschwindigkeit.

Kennzeichengröße im Bild ist wichtiger als die Nennauflösung

Die Gesamtauflösung einer Kamera garantiert nicht, dass das Kennzeichen genügend Pixel erhält. Eine 4K-Kamera mit sehr weitem Blickfeld kann das Kennzeichen nur als kleines Detail zeigen; ein Bild mit geringerer Auflösung und passendem Objektiv kann besser funktionieren. Messen Sie die tatsächliche Kennzeichenbreite in Pixeln in der Liveansicht.

Herstellerleitfäden nennen je nach Produkt und Einsatz unterschiedliche Pixelbereiche. Einige ANPR-Referenzen nennen ungefähr 70–250 Pixel Kennzeichenbreite, andere einen höheren Beispiel-Mindestwert für europäische Kennzeichen. Verwenden Sie diese Werte als Startpunkt für die Bildkontrolle, nicht als universelle Regel. Maßgeblich ist die Größe, die mit Ihrer Kamera, Ihrem Objektiv und Ihrer OCR-Software bei Tag- und Nachttests eine akzeptable korrekte Leserate erzeugt.

Praktischer Test: Erstellen Sie eine Live-Ansicht, während ein Fahrzeug auf der vorgesehenen Erfassungslinie steht. Ist das Kennzeichen nur ein kleines Szenendetail, prüfen Sie Blickfeld und Objektiv, bevor Sie einfach die Auflösung erhöhen.

Winkel und Montagehöhe: Was Software nicht reparieren kann

Richten Sie die Kamera möglichst nahe an der Fahrtrichtung aus. Die Kennzeichenerfassungsleitfäden von Axis und Hikvision verwenden einen Montagewinkel unter etwa 30 Grad in horizontaler und vertikaler Richtung als allgemeine Referenz. Das Kennzeichen sollte außerdem in der Liveansicht horizontal erscheinen; ein schiefes Bild verzerrt Kennzeichenbereich und Zeichenformen.

Das bedeutet nicht, die Kamera bodennah zu montieren. Wählen Sie die Höhe zusammen mit der Entfernung zum Fahrzeug. Eine höhere Kamera vergrößert die vertikale Schrägsicht; eine zu weit seitlich montierte Kamera vergrößert die seitliche Bewegung im Bild. Legen Sie eine Erfassungslinie fest, an der das Fahrzeug seine Kurve beendet hat, das Kennzeichen nicht verdeckt ist und der Fahrer sicher weiterfahren kann.

• Platzieren Sie den Erfassungspunkt nicht mitten in einer scharfen Kurve, Kreuzung oder Rampe.
• Prüfen Sie direkte Sonne in der Linse bei Sonnenauf- und -untergang.
• Bei mehreren Spuren validieren Sie den erwarteten Bildausschnitt für jede Spur separat.
• Stimmen Sie die Leselinie, falls vorhanden, mit Induktionsschleife oder einem sicheren Auslösepunkt ab.

Nachtaufnahme: IR, Belichtung und Reflexion ausbalancieren

Nachtleistung ist komplexer als „hat IR“. Ein Kennzeichen reflektiert Licht stark. Ist die IR-Beleuchtung zu weit von der Kamera entfernt, kehrt die Reflexion möglicherweise nicht gut zum Sensor zurück; ist sie zu stark oder falsch eingestellt, kann das Kennzeichen überstrahlen und Zeichendetails verlieren. Axis empfiehlt, externe IR-Beleuchtung nah an der Kamera zu positionieren und die maximale Verstärkung so zu begrenzen, dass das Kennzeichen nicht überbelichtet wird.

Eine lange Verschlusszeit erzeugt Bewegungsunschärfe, besonders wenn sich das Fahrzeug schräg durch das Bild bewegt. Eine kurze Verschlusszeit schärft Zeichen, lässt aber weniger Licht auf den Sensor. Nachtabstimmung ist daher ein Gleichgewicht aus Geschwindigkeit, Beleuchtung und Rauschen. Ziel ist nicht das hellste, sondern das Zeichen am klarsten darstellende Bild.

Wide Dynamic Range (WDR) kann bei gleichzeitig hellen und dunklen Bereichen helfen, doch manche Kameras erzeugen bei bewegten Fahrzeugen WDR-Artefakte. Nehmen Sie nicht automatisch an, dass WDR für Kennzeichenerfassung immer aktiv sein muss. Testen Sie beide Zustände im gleichen Durchfahrtsszenario. Verwenden Sie zunächst das Kennzeichenerfassungsprofil des Herstellers, falls vorhanden, und verfeinern Sie erst dann anhand der Ergebnisse.

Prüfpunkte für Objektiv, Fokus und Stream

Ein Varioobjektiv ist nützlich, um den Bildausschnitt nach der Begehung anzupassen. Es ist aber nicht allein wegen seines Zooms die richtige Wahl. Prüfen Sie Schärfe an der Zielentfernung, Lichtdurchlass bei Nacht und die gewünschte Kennzeichengröße. Auch bei Autofokus kann eine tagsüber passende Einstellung nachts oder unter IR anders wirken.

• Messen Sie die Distanz zur Erfassungslinie in Metern.
• Notieren Sie maximale erwartete Geschwindigkeit und Richtung.
• Dokumentieren Sie Auflösung, Bildrate, Bitrate und Latenz des Streams.
• Prüfen Sie, ob Paketverlust, instabiles WLAN oder starke Komprimierung Zeichendetails zerstören.
• Synchronisieren Sie Kamera-Uhr und Windows-Gerät mit PlakaNet; bei Vorfällen ist die Zeitzuordnung wichtig.

Geben Sie eine Einstellung nicht nur nach Browser-Vorschau frei. Testen Sie sie im echten RTSP/HTTP-Ablauf von PlakaNet einschließlich Entscheidung und Ereignisprotokoll.

Abnahmetest: Kaufentscheidung statt Demo-Behauptung

Ein Abnahmetest ist kein Demovideo, sondern ein kleines messbares Experiment unter den Bedingungen Ihres Objekts. Schreiben Sie vorher Erfolgskriterium und Stichprobenplan auf. Testen Sie Ein- und Ausfahrt getrennt, zu unterschiedlichen Tageszeiten, mit verschiedenen Fahrzeugformen und normalen Kennzeichenzuständen. Führen Sie den Test in einer sicheren Verkehrsorganisation durch.

Erfassen Sie mindestens:

• Datum/Uhrzeit, Ein- oder Ausfahrt und Wetter-/Lichtbedingung;
• ungefähre Geschwindigkeitsklasse: stehend, langsam oder normal;
• ob das Kennzeichen gelesen wurde, ob der Text korrekt war und bei welchem Versuch;
• ob das Kennzeichen im Bild groß genug war und ob Blendung oder Winkel auftrat;
• Zeit zwischen Lesen und Automatisierungsbefehl;
• ob und warum ein manueller Eingriff nötig war.

Fassen Sie Ergebnisse nicht in einer einzigen Erfolgsquote zusammen. Ordnen Sie Fehler Winkel, Nachtüberstrahlung, Bewegungsunschärfe, Verschmutzung, Netzverzögerung oder Regelproblem zu. Das zeigt, ob vor weiteren Ausgaben ein Objektivwechsel, eine Kameraversetzung, Lichtanpassung oder mehr Rechenleistung nötig ist.

Technische Kompatibilität mit PlakaNet

PlakaNet läuft lokal unter Windows 10/11 und verarbeitet Bilder von RTSP/HTTP-IP-Kameras, USB-Kameras und Testvideos. Es verwendet YOLO-basierte Kennzeichenerkennung und CCT-basierte OCR; je nach Hardware ist GPU-Beschleunigung möglich. Das Produkt nennt bis zu 99,9 % Erkennungsgenauigkeit unter optimalen Bedingungen und etwa 200–600 ms Ende-zu-Ende-Verarbeitung. Diese Werte sind keine von Kamera und Objektbedingungen unabhängigen Garantien.

Prüfen Sie bei der Abnahme die gesamte Kette: Kommt der Kamerastream an, ist das Kennzeichen im Bild lesbar, wird die richtige Regel gewählt, erreicht der HTTP/TCP-Impuls sein Ziel und lässt sich das Ereignis im Protokoll finden? Ein besserer OCR-Motor allein löst möglicherweise kein schwaches Glied der Kette.

Häufige Fragen

Reicht meine vorhandene Sicherheitskamera für LPR?

Möglich, aber der Modellname entscheidet nicht. Bewerten Sie Kennzeichenpixel an der Zielentfernung, Winkel, Nachtbild, Komprimierung und echten Stream. Bessere Software kann ungeeigneten Bildausschnitt nicht zuverlässig reparieren.

Sind mehr Megapixel immer besser?

Nein. Kennzeichenpixel im Bild, Objektivschärfe und Nachtbelichtung sind wichtiger als die Nennauflösung. Ein weiter Bildausschnitt kann das Kennzeichen selbst bei hoher Auflösung zu klein lassen.

Sollte WDR bei LPR aktiv sein?

Das hängt von Kamera und Szene ab. WDR kann Gegenlicht helfen, in manchen Implementierungen aber Bewegungsartefakte erzeugen. Vergleichen Sie an gleicher Tag-/Nachtszene ein und aus und folgen Sie dem ANPR-Profil des Herstellers.

Was prüfe ich zuerst bei schlechten Nachtlesungen?

Entscheiden Sie zunächst, ob das Kennzeichen überstrahlt oder bewegungsunscharf ist. Bei Überstrahlung prüfen Sie IR-Position und Verstärkung, bei Unschärfe Verschlusszeit, Fahrzeuggeschwindigkeit und Beleuchtung zusammen.

Fazit

Die richtige Kamera für Kennzeichenerkennung ist nicht die höchste Zahl im Katalog. Es ist die Kombination aus Kamera, Objektiv und Beleuchtung, die auf Ihrer Erfassungslinie wiederholt lesbare Kennzeichen erzeugt. Reduzieren Sie den Winkel, messen Sie die Kennzeichengröße in der Liveansicht, testen Sie die Nachteinstellung und stützen Sie den Kauf auf schriftliche Abnahmedaten. Diese Bildgrundlage ist Voraussetzung für sinnvolle Ergebnisse aus der lokalen KI-Erkennung, OCR, Automatisierung und Berichterstattung von PlakaNet.